跳到正文

#專家觀點

RSS
今日 27 則
11月21日週六
  1. Gary Marcus54

    一項可能解決黎曼猜想的新成果引起討論,但目前還沒有獲得確認。Gary Marcus 認為,如果成果成立,確實非常令人佩服;他也把這類方法和純大型語言模型區分開來,指出它依靠複雜的符號定理證明技術。他認為,這種專用方法未必能用在日常推理,因此即使成果獲確認,也不會大幅改變生成式 AI 的經濟問題。他並重申,光靠神經符號 AI 的進步,還不足以帶來穩健的智慧。

  2. O'Reilly Radar77

    Tim O’Reilly 分析矽谷如何從創造價值走向攫取價值

    矽谷曾靠解決使用者的問題創造價值,現在卻常把營收與股東回報放在使用者之前。Tim O’Reilly 回顧網路搜尋、平臺廣告和新創投資的變化,指出公司在市場成長放慢後,可能利用市場力量維持高利潤;AI 產業也面臨類似壓力,大筆投資和對未來需求的期待,可能讓公司急著回收成本。他主張,AI 的發展應重視使用者能否分享成果,並以開放介面、可攜性與互通協定,讓更多人能使用和改變這項技術。

    推薦理由:O’Reilly 從矽谷商業模式的轉變切入,分析 AI 如何延續價值攫取問題,並提出開放協定與互通機制的經濟觀點。

  3. Browser Use84

    browser-use 1.0 如何用一個工具取代 24 個瀏覽器操作

    瀏覽器操作選項愈加愈多,AI 助理遇到選單裡沒有的功能時,還是會卡住。browser-use 1.0 把 24 個瀏覽器操作改成一個持續執行的 Python 工具,並讓 AI 助理直接使用 Chrome DevTools Protocol 操作瀏覽器。作者舉例,一個卡住的統計頁面重新載入後,AI 助理直接找到網站提供資料的入口,取得 4,720 筆資料,花了三分半鐘。新版在 BU Bench v2.1 的分數比 0.x 高 14 到 33 分,成本低了 2.7 到 5.2 倍;但這些數字來自整體改版,每個模型只跑一次,預設設定也有變,因此不能把差異全算在工具改動上。

    推薦理由:這次改版同時調整工具介面與預設設定,文中也用卡住的網頁案例說明單一程式工具如何處理原本選單未涵蓋的操作。

  4. aihot74

    Browser Use 刪除 13.7 萬行程式碼後,BU Bench v2.1 分數反而上升

    Browser Use 回頭檢視 browser-use 1.0,發現專用工具堆得太多,未必能讓 AI 助理做得更好。團隊把 24 個工具收斂成一個 Python 工具和兩種結束方式;這次改動新增 29,601 行程式碼,刪除 136,905 行,Python 檔案也從 178 個減到 43 個。材料指出,BU Bench v2.1 的得分在這次調整後反而上升,呈現了簡化工具設計的實際例子。

    推薦理由:作者比較重寫前後的同一項基準分數,呈現工具數量與模型表現之間的取捨,並提供精簡工具設計的實例。

  5. Dev.to Top Tech58

    作者實測一個月:AI 助理工具收到 350,107 次請求,只有 28 個錢包付費

    作者想知道 AI 助理會不會按次付費買工具,因此做了兩項服務,讓使用者用加密貨幣或預付 API 金鑰付款,並觀察一個月。服務收到 350,107 次請求,但大多數只看了價格就離開;165 次使用 x402 付款,來自 28 個錢包,收入是 $0.95,其中 7 個錢包再次付費。作者也發現,付款系統啟動時若連不上服務,可能讓付費功能全部回傳錯誤,因此改成重試並暫時保留上次成功取得的設定。這次紀錄顯示,列上工具目錄不代表有人會用,少數重複購買才是較明確的需求訊號。

  6. hackernews10052

    AI 寫程式後,開發者得開始負責架構設計

    AI 可以照著需求寫程式,卻不知道哪些需求會讓應用程式變慢,也不會主動和團隊討論取捨。作者以 Google Forms 外掛為例,說明程式為了記錄新使用者資料,在顯示歡迎畫面前多次呼叫 Google,讓畫面等了 15 秒。作者認為,開發者應先決定要記錄哪些資料、畫面先顯示還是先記錄,以及怎麼兼顧效能與安全,再要求 AI 按照設計寫程式並檢查結果。隨著 AI 接手更多撰寫工作,開發者需要多花心力在架構和資料設計上。

  7. Runway65

    Runway 表示,從 10 月初開始,幾乎每個合併到 Runway App Studio 的程式碼變更,都是 AI 助理撰寫的。Runway 的工程文章說明,他們建了一套系統來檢查這些變更、在瀏覽器中測試,並讓工程師處理風險較高的決定。這提供了一個例子,說明團隊如何把 AI 助理寫的程式碼納入開發流程。

    推薦理由:Runway 說明 AI 助理已撰寫幾乎所有合併的程式碼變更,並分享系統如何檢查、測試及把高風險決策交給工程師。

  8. Dev.to Top Tech64

    Claude Fable 5.2 解出兩項黑洞物理難題,文章拆解哪些結果經過驗證

    Anthropic 表示,Claude Fable 5.2 解出兩項和黑洞物理相關的難題,但「解出」不代表所有相關問題都已解決。這篇文章對照兩份預印本,說明一項計算指出特定條件下的相變是突然發生,另一項則為一種數學方法推得更嚴格的界線;兩者都只適用於論文列出的模型與假設。文章也分清楚不同檢查能說明什麼:第一項研究用不同計算方式比對結果,第二項研究則有部分證明以 Lean 檢查。這些檢查有助於確認具體推導,但沒有回答中間耦合強度下的情況,也沒有找出描述真實宇宙的量子重力理論。

  9. The New Stack55

    OpenSearch 的 Bianca Lewis 說明,為什麼 AI 助理走錯路時看起來仍像成功

    AI 助理可能呼叫了不合適的 API,卻收到正常回應,讓儀錶板仍顯示一切正常。OpenSearch Software Foundation 的 Bianca Lewis 說,團隊可以搭配 OpenTelemetry 追蹤 AI 助理呼叫了哪些服務和 API,再加上成本資料,檢視哪一步走偏、哪裡花費較高。這些線索能幫開發者找出答案看似合理、實際上卻不符合使用者要求的原因。她也提到,團隊可用同一套 OpenSearch 技術處理搜尋和觀測,並把轉換平臺的成本納入整體考量。

  10. Browser Use66

    Browser Use 刪除 136,905 行程式碼,browser-use 1.0 基準分數提高

    Browser Use 發現,給 AI 助理太多瀏覽器操作工具,可能讓它得在一長串選項中挑選,也可能用不上預先做好的功能。團隊在 browser-use 1.0 把 24 個主要工具收成一個 Python 工具,讓模型直接寫程式操作瀏覽器;在 BU Bench v2.1 上,同樣三個模型的分數比 0.x 高 14 到 33 分。不過,這次更新還改了其他內容,工具改動沒有單獨測試,而且每個模型只跑了一次,因此不能把分數變化全算在工具精簡上。團隊也從 199 段操作紀錄中找出模型自行使用的瀏覽器指令,主張只在模型缺少必要能力時才另外做工具。

    推薦理由:團隊用實際任務追蹤 AI 助理會用哪些操作,說明精簡工具清單如何減少選擇負擔,也呈現基準分數比較的限制。

  11. Browser Use79

    Browser Use 檢查基準測試後發現,評審曾漏看大半答案

    Browser Use 的基準測試分數上升,原本看起來像是 AI 助理變強了,但評審其實只讀到答案的一小部分。團隊修正 Claude Code 的評測介面後,重新評分 200 項舊測試,發現這個錯誤讓原本的分數多出 1.8 到 2.6 分;AI 助理本身的改動則增加 2.5 分,而且估算區間包含零。作者建議保留每項測試的完整答案與執行紀錄,先用相同資料重評基準組,再比較兩組在相同任務上的差異;評審出錯的任務應標記為缺少資料,不能當成零分。

    推薦理由:這次復查拆開評分上升中代理程式改動與評審漏看答案的影響,也整理出重跑基準測試時可採用的比對方法。

  12. Simon Willison72

    Ravi Vakil 引述廣義黎曼猜想證明草稿的進展

    一份關於廣義黎曼猜想的證明草稿正在接受仔細檢查。Ravi Vakil 引述 Alessandro Masullo 的說明:Brian Conrad 已花數月檢視草稿並提供大量意見,這些意見正逐步納入;目前工作全由人類完成,沒有使用 AI。原本打算先邀請 Masullo 到 Stanford 一年,整理文字並讓更多人檢視後再公佈,如今則認為先公開目前草稿比較合適。

  13. Dev.to Top Tech73

    GPT-5 用斯洛伐克語更耗 token,作者比較 204 種語言找原因

    同一句話用斯洛伐克語送進 GPT-5,可能比用英文花更多 token,讓費用增加,也更快用完上下文視窗。作者用相同的 1,012 句內容測試 204 種語言和 35 種 tokenizer,發現 GPT-5 切分斯洛伐克語所需的 token 是英文的 1.68 倍;作者認為,主要原因是訓練資料中的斯洛伐克語較少。文章也提醒,選模型時要把語言造成的 token 差異算進成本,並用實際 tokenizer 計算 RAG 文字分段;token 較省也不代表模型回答得比較好。

  14. Lobste.rs (Engineering Discussion)72

    curl 維護者談 Rust 重寫版:軟體要靠持續修補與社群維護

    把 curl 改寫成 Rust,能不能做出功能相近的版本?curl 維護者 Daniel Stenberg 認為,AI 助理能參考多年累積的程式碼、檔案和測試,在幾週內完成大量改寫,但原專案仍持續修正問題。作者提到,在改寫期間,curl 合併了 300 多筆修改,其中有 200 多項錯誤修正,也修補了幾個安全漏洞;他並指出,2026 年確認的 81 個 curl 漏洞中,14 個可能可用記憶體安全語言避免。他認為,換語言或重寫無法取代長期維護、修補和社群合作。

    推薦理由:作者以 curl 維護者的角度比較 Rust 重寫與原專案持續更新,呈現重寫版本如何面對修補漏洞、累積功能和維持社群協作的難題。

  15. Dev.to Top Tech55

    115 個開源 PR 合併後,作者整理出維護者看重的貢獻方式

    開源專案的程式碼就算能修好問題,也不一定會被維護者合併。作者整理自己用 superhuman 提交的 115 個 PR 和審查留言,發現關鍵常在程式碼以外:先確認專案接受外部貢獻、沒有人已在處理同一問題,並照專案慣用的格式寫說明、附上測試。送出後也要盡快回覆審查意見;有時維護者會接手最後的修改,合併修正並保留貢獻者署名。這些經驗顯示,AI 助理參與寫程式時,也得遵守開源社群原有的合作方式。

  16. Goldman Sachs: The Markets🎙️ Podcast58

    The Outlook for Retail Stocks as Black Friday Approaches

    Solid retail sales data and a positive start to retail earnings reporting are demonstrating the strength of the US consumer heading into Black Friday, says Scott Feiler, US consumer sector specialist in Goldman Sachs FICC and Equities. Low jobless claims and declining gas prices also suggest resilient consumer spending, which is showing up in sales for experiences and giving a boost to hotel and cruise-line stocks. At the same time, Feiler says on The Markets podcast that it will be important to

  17. Dev.to Top Tech67

    為 30 到 40 個 WordPress 網站規劃監測架構後,作者決定改用 Grafana Cloud

    替 30 到 40 個 WordPress 網站監測效能,團隊原本打算自架整套系統,但把維護時間也算進成本後,決定改用 Grafana Cloud。作者指出,自架每月約要 €110 的主機費和 €300 的維運工時;以原先估算來看,約 600 個網址設定檔、也就是 100 個網站左右,自架才可能划算。後來實作時又發現服務的檢查次數和計費方式會改變估算,重新分組後每月約 €61。文章提醒,這類比較要把自己的工時列入,也要寫明未來在哪些條件下重新評估。

  18. Jordi Visser🎙️ Podcast58

    Wall Street Is Betting on Crypto: NYSE Picks Avalanche, Scaramucci Sees $2,100 BNB

    In today's episode of Milk Road Crypto, John sits down with Anthony Scaramucci, founder of SkyBridge Capital, to break down Bitcoin's ongoing bear market, Wall Street's growing interest in blockchain technology, and the catalysts that could fuel the next crypto bull run. With Bitcoin trading near $60,000, Scaramucci explains why he believes the four-year cycle is still intact, whether BTC is forming a double bottom, and how institutional demand through Bitcoin ETFs could prevent another historic

  19. Thomas Wolf59

    一般 CDN 擅長把許多小檔案送給各地使用者,但下載 AI 模型時,常是少數大型檔案被大量機器抓取,舊的做法就不太合用。Hugging Face 表示,他們從今年夏天起自建 CDN,每月傳送近 1 exabyte,實際流量約為每秒 420 GB、每秒 80,000 次請求。新的快取設計是為大型檔案、發布日流量暴增,以及多個熱門模型和大型資料集同時下載而打造,團隊也做了即時流量地圖。

  20. Dark Reading (Information Security)39

    資安防護不能只靠工具:把話說清楚也很重要

    資安團隊除了要會用工具,也得把話說清楚,才能讓主管、開發者和一般同事知道風險在哪裡、該怎麼處理。像是談雲端安全時,團隊要分清楚雲端服務商負責保護雲端本身,企業則要顧好自己放上去的資料和服務。文章也舉例,可以用「什麼資安事件會讓我們週一早上最頭痛?」這類白話問題,幫大家找出最該先處理的威脅。說得清楚,能讓團隊更快做好防護,也提醒資安人員談 AI 時要小心用詞,別把 AI 助理說得像真的有人的想法。

  21. The Top Line🎙️ Podcast58

    Mapping psychedelics’ commercial summit

    Several years after the FDA's high-profile rejection of Lykos Therapeutics’ MDMA candidate for post-traumatic stress disorder, a new wave of developers is nearing the regulatory finish line with experimental psychedelic treatments for mental health conditions. But regulatory approval is, in many ways, just the beginning of a complex journey to market for these companies, should their drugs pass muster with the FDA. In this week’s episode of "The Top Line," Fierce Pharma’s Fraiser Kansteiner sits

  22. Dev.to Top Tech56

    MIT 與 Georgia Tech 的 AI 協作設計,15 秒多換來 39% 更高抗挫曲能力

    結構設計常得在加快速度和改善成果之間取捨。這篇文章轉述 MIT 與 Georgia Tech 的研究:AI 先挑出值得人工檢查的結構區域,再讓人參與設計。相較於全自動最佳化,設計時間只多 15 秒,製造性與線性挫曲負載都提高 39%。這項結果顯示,人工檢查若用在合適的地方,可能改善設計表現,同時只增加少量時間。

  23. a16z42

    AI 可能很快就能在數學上找到新解答,甚至解出「千禧年難題」並寫出 Lean 證明,卻不一定能把證明講得讓人聽懂。因為寫出好解釋,得先猜到讀者懂什麼、有哪些直覺;要判斷一份證明對不對,也比判斷一段解釋好不好容易。短期內,AI 可能更擅長把數學發現往前推,人類仍得花很多力氣整理出能理解的說明,AI 也會協助這項工作。這提醒我們,找到答案和真正理解答案,是兩件不同的事。

  24. Dev.to Top Tech58

    Andrei 實測 21,328 個 MCP 伺服器的工具說明會佔多少上下文

    連線 MCP 伺服器時,工具名稱、說明和引數格式會先送進模型,佔用上下文,也會增加費用和處理時間。Andrei 實測公開且有回應的伺服器,估算工具說明的 token 用量:中位數約 4,847 個 token,前 10% 約 40,000 個,最佔空間的一個約 240,000 個,超過文中拿來比較的 200K 上下文視窗。作者建議依任務減少同時連線的伺服器,只開啟需要的工具,並留意工具清單是否過長。這些用量是依文字長度估算,實際用量可能更高。